Intern-Atlas：作为AI科学家研究基础设施的方法演化图

现有的研究基础设施本质上以文档为中心，只提供论文之间的引用链接，缺乏对方法演化的显式表示。尤其是它无法刻画那些解释研究方法如何以及为何产生、适应并相互承接的结构化关系。随着AI驱动的研究agent作为一类新的科学知识消费者兴起，这一局限的后果日益严重，因为此类agent无法可靠地从非结构化文本中重建方法演化拓扑。我们提出Intern-Atlas，一个方法演化图，它自动识别方法级实体、推断方法之间的谱系关系，并捕捉驱动相继创新之间转换的瓶颈。该图基于横跨AI会议、期刊和arXiv预印本的1,030,314篇论文构建，包含9,410,201条语义类型化的边，每条边都有逐字源文证据支撑，形成一个可查询的方法发展因果网络。为使这一结构可操作化，我们进一步提出一种自引导的时序树搜索算法，用于构建追踪方法随时间演进的演化链。我们以专家整理的真实演化链为基准评估所得图的质量，观察到高度一致。此外，我们证明Intern-Atlas能够支撑创意评估与自动化创意生成等下游应用。我们将方法演化图定位为新兴自动化科学发现的基础数据层。